关于固定随机种子，模型每次结果也不一样的问题可能解决方法

---

问题描述

最近一直被“固定随机种子，模型每次结果也不一样”这个问题困扰，我的模型同样的代码每次跑的结果都不一样，而且还忽高忽低，有可能有模型本身架构不合适的问题（按理来说，即便有变动也不会差别太大），忽略掉每次结果差距较大这个问题，先来解决每次结果都不一样这个问题。

---

原因分析：

可以按照以下原因顺序检查模型：

1. 没有设置随机种子。

2. 虽然设置了随机种子，但随机初始化参数也会有变动。

3. 若第2中情况已检查没有问题，建议从最基础的模块开始，保证该模块每次运行是稳定的，然后一个模块一个模块的添加，考虑是在添加哪个模块后导致的。（我的模型是因为GCN的问题）

---

解决方案：

1. 若没有设置随机种子，请在主程序（一般是run.py）添加全局seed_torch函数，并调用。

def seed_torch(seed=0):

    random.seed(seed)

    np.random.seed(seed)

    torch.manual_seed(seed)

    torch.cuda.manual_seed(seed)

    torch.cuda.manual_seed_all(seed) 

    torch.backends.cudnn.benchmark = False

    torch.backends.cudnn.deterministic = True

 2. 若设置了随机种子，每次运行结果依旧不一样，请检查每次随机初始化参数是否一样（可以debug进行调试，下边是一个例子）。

self.linear = nn.Linear(in_features, out_features)
for name, p in self.linear.named_parameter():
    print(name, ": ", p)

3. 若上边都没有问题，考虑第3种原因，从最基础的模块开始，保证该模块每次运行是稳定的，然后一个模块一个模块的添加，考虑是在添加哪个模块后导致的（这里附上我出现的问题作为参考）。

from torch_geometric.nn import GCNConv

我的模型是因为调用这个包导致每次结果都不一样，但是我不知道怎么解决这个问题，试着设置torch_geometric.seed_everything(seed)也没有用，如果有哪位大佬有跟我有同样的问题，但是解决了，请教一下。

这里最终我解决的方式是用的别人自己写的GCN代码或者pygcn里的GCN代码，模型每次结果就一样了。

 代码：https://github.com/tkipf/pygcn/blob/master/pygcn

但是还有一个问题就是，直接调用GCNConv时可以传入边的权重，用我的这种方式还没解决添加边的权重这个问题（公式不会写）。

最后，再补充一点，同样的模型，如果删除一些无关紧要的参数或者变量可能都会影响模型的结果。

以上如有陈述不正确的地方，欢迎大家批评指正！